update readme and sidebar

docs/_sidebar.md

@@ -1,16 +1,17 @@
 - 目录
-- [P1 强化学习概述](chapter1/chapter1)
-- [P2 马尔可夫决策过程 (MDP)](chapter2/chapter2)
-- [P3 表格型方法](chapter3/chapter3)
-- [P4 策略梯度](chapter4/chapter4)
-- [P5 近端策略优化 (PPO) 算法](chapter5/chapter5)
-- [P6 Q 学习 (基本概念)](chapter6/chapter6)
-- [P7 Q 学习 (进阶技巧)](chapter7/chapter7)
-- [P8 Q 学习 (连续动作)](chapter8/chapter8)
-- [P9 演员-评论员算法](chapter9/chapter9)
-- [P10 稀疏奖励](chapter10/chapter10)
-- [P11 模仿学习](chapter11/chapter11)
-- [P12 深度确定性策略梯度 (DDPG) 算法](chapter12/chapter12)
+- [第一章 强化学习概述](chapter1/chapter1)
+- [第一章习题](chapter1/chapter1_questions&keywords)
+- [第二章 马尔可夫决策过程 (MDP)](chapter2/chapter2)
+- [第三章 表格型方法](chapter3/chapter3)
+- [第四章 策略梯度](chapter4/chapter4)
+- [第五章 近端策略优化 (PPO) 算法](chapter5/chapter5)
+- [第六章 Q 学习 (基本概念)](chapter6/chapter6)
+- [第七章 Q 学习 (进阶技巧)](chapter7/chapter7)
+- [第八章 Q 学习 (连续动作)](chapter8/chapter8)
+- [第九章 演员-评论员算法](chapter9/chapter9)
+- [第十章 稀疏奖励](chapter10/chapter10)
+- [第十一章 模仿学习](chapter11/chapter11)
+- [第十二章 深度确定性策略梯度 (DDPG) 算法](chapter12/chapter12)